不完美CSI情况下NOMA-MEC系统能耗优化方法

technology,vol.68,no.6,pp.6207-6211,june 2019,doi:10.1109/tvt.2019.2907253.]中提出了一种混合noma策略，用户可以首先在分配给其他用户的时隙内卸载其部分任务，然后在仅由自己占用的时隙内卸载其剩余任务，以最大限度地减少启用mec-noma系统的能耗。不同于部分任务卸载，文献[a.kiani and n.ansari,"edge computing aware noma for 5g networks,"in ieee internet of things journal,vol.5,no.2,pp.1299-1306,april 2018,doi:10.1109/jiot.2018.2796542.]中的作者认为卸载任务是独立且不可分离的。然后联合优化通信资源和计算资源，提出了一种有效的用户聚类、频率和资源块分配的启发式算法来解决每个noma集群的能耗最小化问题。
[0005]
以上卸载研究均只致力于降低系统能耗，且假设bs上的mec服务器有充足的计算能力以及能获取到完美的csi，在实际场景中，由于人口分布以及bs地理位置的原因，难以达到假设的条件，并且没有考虑到任务到达的动态特性。
[0006]
基于目前人口分布情况，在特定时间段内，部分区域内人口分布密集，而bs分布相对较均匀，因此，在该时间段内，该bs上的mec服务器会出现负载过重而导致无法满足用户需求的情况，比如，时延增加，移动终端不断重发任务增加能耗等；在城市中，由于高楼、大厦以及车辆等存在多个反射面而导致路径损耗增大，以及多小区间的干扰，导致实践中很难获得完美csi，研究表明这些无法达到的假设条件都会导致mec系统中能耗增加。在当前研究中，大部分研究都是基于静态任务分配，对其进行能耗优化，不符合实际场景使用，在任务动态到达时，终端的中央处理器(central processing unit,cpu)采用尽最大能力处理的方式处理任务，在允许时延内能耗增加。


技术实现要素：

[0007]
为了解决上述问题，本发明提供了一种具有具有不完美csi的noma-mec系统以及接住缓存的基于noma-mec系统的卸载能耗优化方法，本发明方法在在用户tu处加入缓存队列，任务产生后先加入缓存队列中，再卸载给其他接入点上的mec服务器，旨在减少移动终端计算处理任务的能耗，并最小化时延内每个时隙的能量消耗量，从而最小化系统总能量消耗。
[0008]
为了达到上述目的，本发明是通过以下技术方案实现的：
[0009]
本发明是一种不完美csi情况下noma-mec系统能耗优化方法，该方法包括如下步骤：
[0010]
步骤1：构建noma-mec系统，所述noma-mec系统包括至少一个noma链路，每个所述noma链路均包括一个有大量密集的计算任务、仅依靠本地计算资源无法完成计算任务的用户tu和两个拥有小型mec服务器可以进行任务计算的无线访问接入点ap，每个所述无线访问接入点ap与用户tu的距离不同且每个无线访问接入点ap都有辅助计算任务；
[0011]
步骤2：在能耗最小化的目标下，用户tu将步骤1中每个无线访问接入点ap完成的计算任务同时卸载至对应的每个无线访问接入点ap处，由用户tu和两个每个无线访问接入点ap共同计算任务实现noma-mec系统能耗最小化。
[0012]
其中，本发明的步骤1的具体过程包括如下步骤：
[0013]
步骤1-1：给用户tu配备一个计算任务的缓存队列、两个拥有小型mec服务器可以进行任务计算的无线访问接入点；
[0014]
步骤1-2：定义noma-mec系统处理计算任务的时间为t，将t划分为n个时隙，每个时隙长度为τ＝t/n；
[0015]
步骤1-3：步骤1-3：通过链路信息得无线访问接入点ap1与用户tu的距离a1，此条链路的估计信道增益无线访问接入点ap2与用户的距离a2，此条链路的估计信道增益信道带宽b，噪声功率当传输瞬时速率低于目标速率时会发生中断事件，得到
[0016]
中断概率ε0[0017]
以及瞬时速率
[0018]
其中，代表第i个ap处的估计信道增益，ε代表均值为零，方差为σ
ε2
的信道估计误差，代表用户传输信号给第i个ap的发射功率，
[0019]
目标速率为其中m为1或2，其中代表用户与第m个ap链路上包含了小尺度衰落估计和大尺度衰落的估计信道增益，中dm代表用户与第m个ap的距离，α表示路径损耗指数，此时ap处接收到的信号为：
[0020][0021]
其中，hi为第i个ap处的链路信道增益，pi为用户发送给第i个ap信号所用的功率，xi为发送给第i个ap的数据，为加性高斯白噪声的方差。
[0022]
其中，本发明的步骤2具体包括如下步骤：
[0023]
步骤2-1：用户tu将产生的计算任务分为三份，由ap处的mec服务器协同计算；
[0024]
步骤2-2：用户依靠本地计算资源计算dnbit数据的能耗为用户将d1bit数据卸载至ap1处的能耗为用户将d2bit数据卸载至ap2处的能耗为
[0025]
步骤2-3：以noma-mec系统能耗最小化为目标，建立优化问题如下：
[0026][0027][0028]
[0029][0030][0031][0032][0033]
du≥0，d1≥0，d2≥0
[0034]
其中，“min”表示最小化运算，“s.t.”表示约束条件，pm为为用户发送给第m个ap信号所用的功率，cm为第m个ap处信号传输的瞬时速率，rm为第m个ap处信号传输不发生中断的目标速率，ε0为中断概率，du代表分配给本地资源计算的任务量，d1代表分配给第1个ap计算的任务量，d2代表分配给第2个ap计算的任务量，di代表产生的总任务量，dm中m为u、1、2中任意一个。
[0035]
步骤2-4：由于步骤2-3中的优化问题是一个概率问题不利于求解，因此将步骤2-3中的优化问题转换为非概率问题：
[0036][0037][0038][0039][0040][0041][0042]
du≥0，d1≥0，d2≥0
[0043]
其中，
[0044]
步骤2-5：为了得到全局最优解，将步骤2-4中的问题拆分为功率分配问题和任务量分配问题依次求解，通过一维搜索算法找到最优解；
[0045]
步骤2-6：根据步骤2-5中所得到的最优解，按照所得到的最优任务量分配以最优功率分配传输数据，实现noma-mec系统的能耗优化。
[0046]
本发明的有益效果是：在移动边缘计算中，移动用户电量受电池容量限制，严重影
[0058]
以及瞬时速率
[0059]
其中，代表第i个ap处的估计信道增益，ε代表均值为零，方差为σ
ε2
的信道估计误差，代表用户传输信号给第i个ap的发射功率，
[0060]
目标速率为其中m为1或2，其中代表用户与第m个ap链路上包含了小尺度衰落估计和大尺度衰落的估计信道增益，中dm代表用户与第m个ap的距离，α表示路径损耗指数，此时ap处接收到的信号为：
[0061][0062]
其中，hi为第i个ap处的链路信道增益，pi为用户发送给第i个ap信号所用的功率，xi为发送给第i个ap的数据，为加性高斯白噪声的方差，此时接收端存在信号干扰，在接收端通过串行干扰消除技术将信号解码恢复。
[0063]
步骤2：在能耗最小化的目标下，用户tu将步骤1中每个无线访问接入点ap完成的计算任务同时卸载至对应的每个无线访问接入点ap处，由用户tu和两个每个无线访问接入点ap共同计算任务实现noma-mec系统能耗最小化。
[0064]
具体包括如下步骤：
[0065]
步骤2-1：在第n个时隙内，用户产生的计算任务为dn，用户依靠本地计算资源可完成的任务量为du，用户卸载到ap1的任务量为d1，用户卸载到ap2的任务量为d2，用户计算1bit数据所需要的cpu周期数为c，电容转换系数为γu。
[0066]
步骤2-2：用户依靠本地计算资源计算dnbit数据的能耗为用户将d1bit数据卸载至ap1处的能耗为用户将d2bit数据卸载至ap2处的能耗为其中
[0067][0068][0069][0070]
步骤2-3：以noma-mec系统能耗最小化为目标，建立优化问题如下：
[0071][0072]
[0073][0074][0075][0076][0077][0078]
du≥0，d1≥0，dz≥0
[0079]
其中，“min”表示最小化运算，“s.t.”表示约束条件，pm为为用户发送给第m个ap信号所用的功率，cm为第m个ap处信号传输的瞬时速率，rm为第m个ap处信号传输不发生中断的目标速率，ε0为中断概率，du代表分配给本地资源计算的任务量，d1代表分配给第1个ap计算的任务量，d2代表分配给第2个ap计算的任务量，di代表产生的总任务量，dm中m为u、1、2中任意一个。
[0080]
步骤2-4：由于步骤2-3中的优化问题是一个概率问题不利于求解，考虑中断约束下的最小平均卸载数据速率因此将步骤2-3中的优化问题转换为非概率问题：
[0081][0082][0083][0084][0085][0086][0087]
du≥0，d1≥0，d2≥0
[0088]
其中，
[0089]
步骤2-5：上述优化问题仍为非凸问题，为了得到全局最优解，将步骤2-4中的问题
拆分为功率分配问题和任务量分配问题依次求解，
[0090]
(1)考虑发射功率分配问题，将原问题转化为一个规划问题：
[0091][0092][0093][0094]
du≥0，d1≥0，d2≥0
[0095]
通过固定任务分配量du,d1,d2来得到最优发射功率分配其中
[0096]
(2)考虑任务量分配问题，根据得到的最优发射功率，原优化问题转化为：
[0097][0098][0099][0100]
并且d1,n≥0、d2,n≥0、du,n≥0；
[0101]
步骤2-5-3：通过kkt条件(karush
–
kuhn
–
tucker conditions)对优化问题进行求解，其中，其中，通过观察得出各部分任务量均与系数ψ有关，随后通过一维搜索算法得到系数ψ的值，即可求得所述优化问题的最优解。在上述公式中，为各部分任务量分配的最优解，τ为每个时隙的长度，系数ψ为利用kkt条件求解所引入的拉格朗日乘子，c为用户计算1bit数据所需要的cpu周期数，γ为电容转换系数，ε0为中断概率，b为信道带宽，m为1或2，代表用户与第m个ap链路上包含了小尺度衰落估计和大尺度衰落的估计信道增
益，中dm代表用户与第m个ap的距离，α表示路径损耗指数。
[0102]
一维搜索算法具体如下：
[0103]
1：输入时隙数n，tu的任务量dn，以及信道增益h1和h2，
[0104]
2：初始化
[0105]
3：for k＝1,...,n do
[0106]
4：
[0107]
5：
[0108]
6：if
[0109]
7：break,
[0110]
8：end if
[0111]
9：end for
[0112]
10：输出
[0113]
步骤2-6：根据步骤2-5中所得到的最优解，按照所得到的最优任务量分配以最优功率分配传输数据，实现noma-mec系统的能耗优化。
[0114]
本发明路径损耗模型是基于城市路径损耗模型，但本发明想保护的范围涵盖到其他复杂的无线网络模型(按区域、密度等划分的网络模型等)，因为对于复杂网络模型来说不完美csi更加难以获取。
[0115]
本发明提供了一个具有不完美csi的noma-mec网络模型。noma-mec网络由一个拥有缓存队列的任务型用户(task user,tu)、两个均附属了mec服务器的加入点两种类型的设备组成。网络中任务型用户一直会产生计算密集型和时延关键的任务，通过noma传输将任务转移到多个配备mec服务器的接入点上。每个接入点和每个用户都配备了单天线。假设信道增益在每个传输块内是恒定的，且在不同的传输块中不同。信道增益根据大小进行排序，将sic技术应用于信道增益递增的译码系统。每个接入点都可以解码和删除之前解码过的信号。
[0116]
以上所述仅为本发明的实施方式而已，并不用于限制本发明。对于本领域技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原理的内所作的任何修改、等同替换、改进等，均应包括在本发明的权利要求范围之内。